/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
53,8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-27B-4bit
Библиотека
mlx
Опубликована
20 сен 2026

MK4-Ginko-v1.5

Генерация текстаТекст → текст3 профессии

Экспериментальная MLX-модель на базе Qwen3.8-27B для краткого анализа безопасности кода и выдачи вердикта об уязвимости.

424скачиваний за 30 дней0лайковвеса обновлены21 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

MK4-Ginko v1.5 — экспериментальная MLX-модель для анализа безопасности кода, выпущенная MK4-Research. Это объединённый с базовой моделью чекпойнт после дообучения LoRA на 400 шагах; самостоятельный формат позволяет запускать его без адаптера. В основе — dense-архитектура Qwen3.8-27B, а файлы модели представлены в формате safetensors; в README указана 6-битная квантизация.

Модель обучалась выдавать краткий разбор с блоками FLOW и GUARD и итоговым VERDICT, классифицируя примеры кода как безопасные или уязвимые. Её можно использовать для экспериментального ревью сфокусированного фрагмента кода и проверки формата ответов в исследованиях безопасности. Лицензия — Apache 2.0.

Качество ограничено: в неполном тесте GuardBench модель верно обработала 75 из 75 уязвимых примеров, но только 1 из 38 безопасных; результат указывает на серьёзную склонность к ложным срабатываниям. Полной оценки нет, поэтому выводы нельзя считать подтверждёнными уязвимостями; модель не предназначена для замены ручного аудита. README также уточняет, что модель не поддерживает постоянную память между запросами.

Сценарии применения

  • экспериментальная проверка фрагмента кода на уязвимости
  • получение краткого разбора защитных проверок в коде
  • тестирование формата ответов FLOW, GUARD и VERDICT
  • исследование классификации безопасных и уязвимых примеров кода

Ограничения

На неполной выборке GuardBench модель часто ошибочно помечала безопасный код как уязвимый; полной оценки качества нет, поэтому её выводы требуют проверки и не подтверждают наличие уязвимостей. Между запросами модель не сохраняет постоянное состояние.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MK4-Ginko v1.5 repair, step 400

Ginko v1.5 banner

This is the repaired v1.5 step-400 checkpoint merged into a standalone MLX model. It is released for reproducibility and further testing. The model was merged in higher precision and quantized to 6-bit so the LoRA updates survive quantization; no adapter is needed at inference.

Training

The base is mlx-community/Qwen3.8-27B-4bit. The adapter was trained for 400 steps on the v1_5_repair security-review corpus: 576 training presentations (288 safe, 288 vulnerable) and 23 validation cases. The target format has short FLOW, GUARD, and final VERDICT lines. Training used assistant-only loss (mask_prompt: true), 32 LoRA layers, rank 32, scale 20, dropout 0.05, learning rate 1e-5, batch size 1 with two-step gradient accumulation, and sequence length 512.

The corpus passed the project's code-overlap check against held-out GuardBench and FBE items. It teaches a compact response format. It does not implement continuous memory compaction or persistent state between requests.

Evaluation and limitations

The saved step-400 adapter has a partial GuardBench run of 113/360 prompts: 1/38 guarded-safe prompts correct, 75/75 vulnerable prompts correct, and no missing verdicts. Balanced accuracy on this nonrepresentative partial slice is 51.3%. A complete 360-prompt score has not been established for this checkpoint or the merged 6-bit artifact. The partial result shows a severe false-positive problem: the model frequently calls protected code vulnerable. Do not treat its findings as verified vulnerabilities.

This card deliberately does not claim a 74% balanced GuardBench score; no saved v1.5 step-400 benchmark record supports that number. The result near 75% in local records belongs to a different, v2-derived model.

Use

python3 -m mlx_lm generate --model MK4-Research/MK4-Ginko-v1.5 \
  --prompt 'Review this code for security problems: <your code>'

Provide a focused code path. Check both its guard analysis and final verdict against the actual code. This model is an experimental research checkpoint, not a substitute for manual security review.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
de8d048

0 моделей